一种帕金森语音分类方法及系统、存储介质及终端技术方案

本发明专利技术提供一种帕金森语音分类方法及系统、存储介质及终端，包括以下步骤：获取语音信号对应的MFCC，并基于所述MFCC构建MFCC特征图；对所述MFCC特征图进行共振峰特征判定；对所述共振峰特征判定结果进行深度学习，获取所述语音信号的帕金森语音分类结果。本发明专利技术的帕金森语音分类方法及系统、存储介质及终端基于共振峰聚类和MFCC特征图，通过深度学习实现帕金森语音分类，准确度高，实用性强。实用性强。实用性强。

【技术实现步骤摘要】
一种帕金森语音分类方法及系统、存储介质及终端


[0001]本专利技术涉及深度学习的
，特别是涉及一种帕金森语音分类方法及系统、存储介质及终端。

技术介绍

[0002]帕金森疾病是中老年人的常见病，患者表现为中枢神经系统的器质性损害。嗓音作为人类大脑、神经系统及多种发声器官共同作用的结果，与人的健康状况息息相关，大约90％的帕金森患者会出现语音方面的构音障碍，并且这个构音障碍往往在帕金森患者被确诊之前就会出现。因此，近年来出现了大量基于语音的帕金森诊断的研究。
[0003]近年来，随着深度学习算法飞速发展，其广泛应用于帕金森病的语音分类。现有技术中建立了许多帕金森病的数据集，如帕金森病分类数据集(PDCD)，其将基频参数、谐波参数、重复周期密度熵(Recurrence Period Density Entropy，RPDE)、去渲染波动分析(Detrended fluctuation analysis，DFA)和基音周期熵(Pitch Period Entropy，PPE)视为基准特征并且设计出可调Q因子小波变换(tunable Q本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种帕金森语音分类方法，其特征在于：包括以下步骤：获取语音信号对应的MFCC，并基于所述MFCC构建MFCC特征图；对所述MFCC特征图进行共振峰特征判定；对所述共振峰特征判定结果进行深度学习，获取所述语音信号的帕金森语音分类结果。2.根据权利要求1所述的帕金森语音分类方法，其特征在于：基于所述MFCC构建MFCC特征图包括以下步骤：将所述MFCC的14个特征值在所述语音信号各时间点上的均值在二维坐标轴上进行描点，并用平滑曲线连接；将所述MFCC的14个特征值在所述语音信号各时间点上的标准差在所述二维坐标轴上进行描点，并用平滑曲线连接。3.根据权利要求2所述的帕金森语音分类方法，其特征在于：所述MFCC的14个特征包括log_energy参数和0阶到12阶系数。4.根据权利要求1所述的帕金森语音分类方法，其特征在于：对所述MFCC特征图进行共振峰特征判定包括以下步骤：获取共振峰参数；基于所述共振峰参数对所述MFCC特征图进行共振峰特征判定。5.根据权利要求1所述的帕金森语音分类方法，其特征在于：获取共振峰参数包括以下步骤：提取公有语音数据集中的三个共振峰及对应的三个带宽；将所述三个共振峰的语音参数分别视为RGB三个通道的值，并将所述语音参数转换为RGB图像；将所述三个共振峰...

【专利技术属性】
技术研发人员：刘子琪，刘立庄，韩振奇，赵丹，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：